面向移动边缘计算卸载的知识蒸馏
网络与互联网体系结构
2020-04-10 v1 人工智能
分布式、并行与集群计算
摘要
边缘计算卸载允许移动端设备将计算密集型任务的执行交由边缘服务器。端设备可根据当前网络状况与设备画像，以在线方式决定是否将任务卸载至边缘服务器、云服务器或本地执行。在本文中，我们提出一种基于深度模仿学习（DIL）与知识蒸馏（KD）的边缘计算卸载框架，辅助端设备快速做出细粒度决策，以在线优化计算任务的时延。我们将计算卸载问题形式化为一个多标签分类问题。我们 DIL 模型的训练样本以离线方式生成。模型训练后，我们利用知识蒸馏获得轻量级 DIL 模型，由此进一步降低模型推理时延。数值实验表明，我们的模型所做出的卸载决策在时延指标上优于其他相关策略。同时，我们的模型在所有策略中具有最短的推理时延。
引用
@article{arxiv.2004.04366,
title = {Knowledge Distillation for Mobile Edge Computation Offloading},
author = {Haowei Chen and Liekang Zeng and Shuai Yu and Xu Chen},
journal= {arXiv preprint arXiv:2004.04366},
year = {2020}
}